中國的電商經歷了 20多年的發展,逐漸呈現出場景化、個性化、國際化、社交化等趨勢。一方面,電商由綜合網購不斷向細分領域發展;另一方面,線上線下結合、企業合縱連橫、大數據和人工智慧的運用,都象徵著電子商務走向生態化發展道路。而企業需要不斷打通生態入口,融合零售、物流、支付等場景服務,涉及線上線下多個環節,通過整合自身生態體系內的資源,從而打破行業邊界。InfoQ專訪寶尊電商產品總監張文舉和技術總監張建,深入解讀寶尊進行數位化運營過程中的痛點和解決方案。
傳統的電商運營是一個繁瑣、複雜的過程,其日常運營工作需要多角色參與,如運營、設計、商品、客服、數據、營銷等,要投入大量的人力,同時運營工具各式各樣,甚至也可稱為「千人千面」,並無一套標準化流程和規範。對品牌而言,找到一個好的運營人員全憑運氣,既要有經驗,又要有策略性,還需要心細手快。而隨著電商行業的快速發展,人才已成巨大缺口,並且新形態電商平臺也在不斷湧現,不同電商平臺的運營規則又千差萬別,這就對電商運營提出了需求:
是否有一套系統化的流程標準和工具;
運營中出現大量重複的、機械的工作是否能被機器替代,讓運營人員可以將更多時間放在策略上;
這套標準和工具可以幫助電商運營實現標準化和數位化,提高運營效率和精細化程度。這樣的好處是優化消費者的體驗,同時企業也能增加收入,進而增強品牌的核心競爭力。
但是,企業在進行數位化運營過程中,也會遇到一些難點,這其中主要有兩方面難點:
一是人的因素。首先是思想觀念的轉變,畢竟以前是熟悉的工作模式、熟練的excel技能,當企業進行數位化運營之後,大家需要接受新系統、新模式,這其中有意願的轉變,更需要找到切入點,平衡學習成本。
二是數位化軟體系統的使用。選擇什麼樣的軟體系統才能滿足運營業務需求?收支如何平衡?用戶體驗怎麼保證?這些都是企業進行數位化運營前面臨的挑戰。
針對上述難點,有哪些可行的落地思路?
寶尊數位化運營平臺ROSS (Retail Operation Support System),由智能設計、多渠道自動上新、活動運營、評價分析、智能選品五大應用模塊組成。整個平臺從誕生、迭代和實踐中可以探索出企業數位化運營落地的思路。
ROSS整體業務架構圖
工具先行,嘗到甜頭
寶尊數位化平臺起步於商品詳情頁製作系統,特別是鞋服箱包類品牌,SKU多(每款商品都有一個SKU,便於電商品牌識別商品),上新快,商品運營要製作和修改大量商品詳情頁,設計師人工處理不僅耗時耗力,而且容易出錯。
寶尊基於人工智慧圖像處理技術,為電商提供商品詳情頁的自動排版、切割、導出、上貨等服務,構建一站式智能運營系統。在確定商品詳情頁的模板後,用戶只需要上傳文案和圖片包,系統將實現自動排版生成詳情頁,並最終上架到天貓和京東店鋪。
小步快跑,快速迭代
小步快跑,即快速打造出一個最小可行性產品。最小可行性產品(Minimum Viable Product,MVP)是指以最低成本儘可能展現核心概念的產品策略,用最快、最簡明的方式建立一個可用的產品原型,這個原型要表達出自己產品最終想要的效果,然後通過迭代來完善細節。
逐步平臺化、系統化
在電商技術體系裡,中間有一層非常關鍵的業務平臺,它是整個電商業務生態的基礎。很多業務也是通過業務平臺進行串聯,在業務平臺中還包括會員、商品、交易、營銷、資金結算、店鋪、評價等電商的基礎平臺。業務平臺是非常複雜的業務抽象和業務邏輯控制層,這一層的能力直接決定了業務發展的速度和業務創新的成本。
隨著生態複雜度、業務複雜度、系統複雜度的升級,雖然平臺化解決了領域內部的問題,但是每一個業務的執行都是跨領域的,涉及會員、商品、交易、營銷、店鋪、評價、支付、物流、售後等,業務邏輯可能橫跨幾十個系統。比如一件商品,它的發布規則是什麼樣的,交易規則是什麼樣的,營銷規則是什麼樣的,這些規則分散在不同的系統中,並且相互有關聯。隨著規則的增加和分散,最後導致沒有一個人能說清楚全局情況了。整個研發效率和業務響應速度都比較差,這個問題其實已經不是一個技術問題了,而是一個複雜生態的協作問題。
數據驅動運營
大數據時代的任何商業活動,都離不開數據的支撐,電商服務業需要精細的數據支撐驅動業務增長。電商與傳統行業相比,不同的地方在於電商擁有非常豐富的數據。對於電商運營來說,海量數據就像深藏的寶藏一樣,只有通過挖掘和開採才能發揮出數據的價值。不管是前端、中端還是後端,實現精細化運營的前提是電商企業必須建立起數據驅動運營的文化,以及完善的數據分析與商業智能系統,通過數據分析找出最有效的營銷方式、最有潛力的商品、最具價值的顧客群。
但需要強調的是,技術賦能不是局限在個別角色和崗位上,而是要構建一整套、覆蓋運營端到端的支撐系統才能更好地實現數位化運營目標。電商行業作為一個相對成熟的行業,流量金貴,將大數據技術引入行業,企業基於數據驅動可以實現行業邊界拓展,只有精細化運營,才能擺脫人海戰術高成本低留存帶來的競爭力流失。
數位化運營背後的技術支撐
與線下零售店不同,電商運營在售前需要準備呈現在電商平臺和網站裡的商品信息(其核心就是商品的圖片和文字信息)。而在售中和售後,需要處理與買家通過線上渠道交互的對話和留言。為了實現數位化運營,需要採用自然語言處理(NLP)和圖像處理(包括計算機視覺)技術幫助運營團隊提升效率、減少錯誤,從而更好地傾聽客戶的聲音和提升品牌影響力。
自然語言處理(NLP)
消費者在各電商平臺具有不同的消費行為和模式,可以多渠道地表達體驗和感受,客戶評論處理的及時性和有效性很大程度上決定了客戶對消費體驗的整體滿意度。店鋪運營方和品牌方需要能從客戶評論的信息裡獲取用戶對品牌、商品和服務的實際感受,從而進行精細化管理,提高消費者購物體驗。
寶尊自主研發的評價分析系統,通過匯集多渠道的消費者情感分析平臺,收集消費者在電商平臺(天貓、京東、品牌官方商城等)、社交網絡和媒體的評論/評價,基於機器學習及NLP技術,實現對消費者評論自動化智能分析,為品牌運營及營銷、產品優化、客戶服務提供數據信息支撐,洞察消費者對品牌的認知,助力業務精細化運營,提升消費者體驗,提高電商轉化率。
該系統針對電商平臺裡最常見的商品評論數據,使用深度學習模型,對用戶的評論進行不同類別的打標,並結合從公開數據源獲取的其他文本數據,經過NLP的處理後,建立一套對於店鋪、商品、物流等維度的多維度標籤數據體系。該數據體系與寶尊自有的店鋪運營產生的結構化數據相結合,通過實時的可視化報表,向店鋪及品牌方實時地提供用戶的反饋,並提供運營和推廣的知識洞察。
對於電商業務場景,通用的NLP語料庫(如wiki、百度文庫、知乎等)基本無法實現滿意分析,如何將用戶簡短的評論準確地按照相應的維度進行標記是一個難點。
這需要研發人員與業務人員緊密配合,針對不同的行業和品類,進行定製化的語料收集和標註,進而可以極大地提升NLP的準確度。在客戶實際使用過程中,結合品牌的行業經驗,對基本的標籤庫進行優化和擴展,從而提高分析的準確度。
圖像處理
在傳統的電商運營過程中,有海量的圖片需要處理,其中包括但不局限於圖片旋轉、平移、剪裁、縮放、修改前/背景色彩、疊加相關信息點等。這些操作中有很多都是按規則進行簡單重複的工作。目前,寶尊已經實現圖片處理工作的自動化,可以釋放設計師在基礎工作上的精力,以便其可以投入創意的、基於數據進行設計優化等更有價值的工作,讓設計發揮更大的效用。
某品牌商品圖片處理自動化流程圖
比如上面兩張圖是某品牌對於商品主圖的處理,其中如獲取圖像主體、放入指定大小的框和添加logo操作等都是有規則的標準操作。在對這些操作進行一定的抽象之後,形成了標準的圖像處理服務。業務方只需要按照自己的需求,配置好處理流程,整個圖像自動化處理就可以實現,圖像處理結果如下圖所示。目前,圖像處理功能已沉澱在寶尊智能設計平臺。
圖像處理結果示意圖
對於一些相對簡單的圖像處理過程,核心問題是品牌的個性化要求。例如,品牌A和B雖然同屬於服裝服飾品類,但是A和B對於商品在圖片中的位置擺放、大小、比例都有各自的要求。這就要求圖片處理功能要實現足夠的靈活和可配置。針對圖片的處理功能,面向業務進行抽象,實現整個圖片處理流程的可配置和可管理。
基於深度學習的圖像處理功能在使用過程中,難點之一在於如何提高識別準確率。解決這一難點需要從兩方面著手:一是數據,二是模型。在數據方面,通過獲取更多的打標數據以及數據增強技術,提高模型的泛化性能,從而提升識別效果的上限;在模型方面,通過對模型結構及參數的持續調整和優化,逐步提升識別效果。
電商行業未來的技術發展趨勢
提到未來電商發展趨勢,不得不提阿里巴巴商業作業系統。
2019年1月11日,阿里巴巴集團CEO張勇正式推出了阿里商業作業系統,稱將系統地幫助全球零售業重構商業運營的11大要素。將過去20年在阿里巴巴經濟體內部,包括購物、娛樂、本地生活服務等多元商業場景及其形成的數位化能力,與雲計算等其他服務充分融合,形成獨特的阿里巴巴商業作業系統,開啟全球品牌數位化經營的時代。
未來商業的發展,信息系統建設必須要走到新階段,要將品牌、商品、銷售、營銷、渠道、製造、服務、金融、物流供應鏈、組織、信息管理系統等企業運營中的11大商業要素,從消費者視角這一平面上縱深抽象開來,加以立體化,實現在線化,進而達到全面數位化。
商業零售能力競爭會越來越多的偏向企業 B端數位化能力的競爭。即在企業和行業內全面的數位化的創新及改造,幫助企業提升內部的運營效率,供應鏈效率,優化運營成本,同時利用技術幫助線下運營。
來源：中國網